“智慧”的数字孪生

编者按

本文原载于2020年6月的俄罗斯《工程师》杂志“成功阶梯”栏目，作者B.赛勒布吉那。

现在，如果想要在最短的期限里，开发和生产出全球新一代定制产品，可以应用数字虚拟未来工厂。它是一种综合技术解决系统，拥有三合一形式的原则性方案，即“数字设计与建模、新材料和加性技术”。里面的驱动程序具有新的范式——先进设计和制造导向的、数字孪生或大数据形成的数字设计与建模（拟合与优化）。

数字设计与建模新范式的基础，是应用复杂的多惩戒数学模型，是具有高度现实的材料、充分的结构（包括技术和生产）的数学物理过程。这些过程用数学物理方程书写，占第一位的是3D瞬时的非线性偏微分方程。

这种数学模型（智慧模型），集成了所有应用于设计、生产和运营的知识，包括零件、产品、构造、机器、安装、技术或物理控制系统。它们是：

1.基本法则和学科：摆动、弹性、塑性等理论；破坏机理；复合材料与结构合成机理；接触相互作用；机器的坚固性；计算机制；水上航空学；热量交换；电磁学；音响效果；技术设施等。

2.实际目标与物理-数学过程全尺寸模型的几何（CAD，计算机辅助设计）与自然因素计算（CAE，计算机辅助工程）。

3.制造零件材料的完整数据，包括材料在热、电、磁等不同场的作用下，在快速变形、振动、冲击、少量及频繁装载作用下的行为数据。

4.运营规则的信息，包括正常运营条件、违背正常运营条件、应急状况等被称作可编程行为。

5.生产工艺数据和从单个元件到整体结构装配的数据。

6.其它特性和参数。

所有这些知识集成是制造产品时必须的，但仍不是形成智慧模型的充分条件。更重要的是下面这些关键概念，如果没有它们，智慧模型是不可能形成的。

1.定制：智慧模型是由国际一流技术形成的，数据必须能够瞬时应对顾客查询，顾客自己就能通过操作解决工程技术方面的挑战。对顾客来说，采用什么样的技术并不重要。

2.系统工程：每时每刻保持整个系统与所有交互构件的监测，以避免某个构件发生特性改变导致其他构件特性变差的情况。

3.目标值和资源组织（时间、财务、技术、生产等）的多维度矩阵：以工程中心和计算力学实验室解决全球领袖级公司定单的复杂工业任务的经验。矩阵对产品总体、单独构件或零件、资源组织等，共包含数万（4万～6万）个具体目标值和要求。

4.智慧模型的验证：数字形态必须转化为场景试验的结果，尤其对那些在前苏联时期就处于精密制造水平的产品。比如在航空领域，物理尤其是数学模型的潜能，往往基于大量构造基础，而且集成了前几代工程师优秀实践获得的经验和知识。

5.数字验证：综合了所有通过测评的场景、验证和其他试验的业务过程。在这个业务过程框架下开发产品，从开始到结束都是基于国际一流的技术、系统工程、多维度目标值和资源组织矩阵、智慧模型的验证，还包括更重要的，对每一个构件（节点、零件、机械、连接器等）、材料和系统，都完成了数以万计的场景试验。这使得产品全生命周期的每一个细节都能得到管控。

以国家“车队”计划为例。出于对国家元首的出行和陪同安全考虑，在国内优质品牌汽车（豪华轿车、轿车、亚军和小巴）参数模型统一的平台上制定计划。前期负责的是国家科学中心，主要工作是提供设计和研发的数字化方案和技术方案，然后由生产部门制作全部4辆汽车的车身。2016年6月，根据欧洲“更好试验”规程，在柏林的一家试验场进行了安全场景试验。轿车“车队”第一次获得最高的分数——5颗星。这是对开发的车身智慧模型和汽车模拟真实场景运行安全的确认。

这项成果的获得，依赖于开发时充分考虑了大量参数。显然，汽车模拟了“更好试验”的动态过程，时长为200～250微秒。

为完成任务所作的数字集成步骤有一百万次，一般集成的步骤数是20万次。所有这些信息形成大数据智慧模型的输入端，超过2×1012个参数。进行虚拟试验让我们在输出端补充了“大块头”。在输出端超级计算机对200微秒时长的过程建模，获得超过1014个参数。在数千万个节点上计算50个以上的参数，如位移、速度、加速度、形变、电压等，总计获得5×108个用以详尽描绘智慧模型的曲线。

智慧模型展示的高性能，首先依靠自己的大数据输入和输出端，使得它能够极大地“逼近”实际目标，保证模拟试验与场景试验的差别在正负5%以内。这种高性能模型，可被称为数字孪生产品DT-1。结合特殊工艺制作的高性能智慧模型，比如智能锂、智能冲压、零件在工艺制作过程后的张力-变形、薄处、弯曲及其他状态的预先计算，可被称为数字孪生生产DT-2。联合数字孪生产品DT-1与数字孪生生产DT-2，在统一的数字模型及数字验证基础上完成数万次虚拟试验后，就形成了数字孪生的最高水平SDT-1。

随后在运营阶段，SDT-1在智慧模型基础上通过工业技术互联网和诊断的帮助，获取具体产品的操作信息，以“生成”智慧数字投影。来自运营阶段的补充信息提高了其充分性。它“训练”SDT-1，并使之将来在补充信息越来越充足的情况下，建立各种“意外”状况的模型及相应运营规则，如评估可能损伤的程度或残余资源的多少等。因此，借助多次依据SDT-1进行的“数字验证”虚拟试验，在有了关键区域分布的清晰表述后，可考虑设置各类传感器，如加速度计、应变计以及温度、压力和速度传感器等。实际上，这已经是代替大数据而形成的智慧大数据——选择最为必须的信息，因为可以极大地缩减传感器数量和获得的大数据容量。这些结果有助于加速数据开发和对SDT-1的必要修正，使其转化为智慧数字孪生的第二水平SDT-2。

基于“数字验证”和智慧数字孪生（SDT-1、STD-2……）过程开发的新设计范式，以特殊的形式存在于智能大数据的输入端和输出端，集成形成于多惩戒/多刻度/……的计算建模，以及多种工艺优化的应用（多标准、多参数、多惩戒、拓扑布局、地形学、校准、造型及其它）。

在工程中心和计算力学实验室的所有数字设计和建模过程，包括在“数字验证”过程中形成的目标值、资源组织的多维度矩阵、开发智能模型和数字孪生，都是在专业的CML（机器学习协会）的数字平台“CML-台阶”上完成。它由计算力学实验室开发，开发成本超过1000亿美元，曾获俄罗斯联邦国家工业产业奖。它保证了开发过程基于所有国际先进水平工艺情况下的极高程度自动化。为了设计过程同时满足数万个目标值和资源组织的要求，采用特别开发的CML-专家智能系统。它实际上是在最复杂与最具创造性的设计过程的“智力支持”系统，以及有的放矢地应用智慧的推手。